P（Yt=1）=P（T＞T0）=P（εt＞-Xtβ）
得出P（εt＞-Xtβ）後就可以研究危機發生的概率，進而進行預警研究。
模型局限：Bussiere和Fratzscher（2002）指出，傳統的雙元應變量Probit/Logit模型在預測金融危機時混同了危機前的誘發期和危機後的恢複期，存在嚴重缺陷。因此，他們提出一種改進方法：使用三元應變量Logit模型預測危機，將危機變量取值為“0”代表平靜期，“1”代表誘發期，“2”代表恢複期。但是，改進後仍存在Logit模型固有的缺陷：將連續變量轉換為離散變量後，會造成信息損失，由因變量的動態性而產生的潛在有用信息將被拋棄。而且，類似於KLR模型的“排斥窗口”問題仍然存在，在此方法中未得到解決。
（3）STV模型
美國學者Sachs、Tornell和Velasco（1996）開發出的預警方法，稱為橫截麵回歸（STV）預警模型。該方法以1994年11月至1995年6月的麵板數據為基礎，以線性回歸方法分析了1994年12月的墨西哥金融危機在1995年時對相關20個新興市場國家的影響。
危機定義：STV模型認為不應該隻考察單個指標的臨界值，而忽視各個指標間的相互作用，因此模型建議使用核心預警指標集來定義危機。STV模型在脆弱性指標回歸方程中設定一個複合變量，此複合變量根據不同經濟基本麵來選取不同指標，因此可以使用一個方程來分析危機。例如Sachs等在建模時，選取了20個新興市場國家的截麵數據，並將貨幣危機指數定義為儲備減少百分比和彙率貶值百分比的加權和，再利用橫截麵數據估計模型並檢驗。
危機預警：STV模型共包含7個估計參數：6個自變量，1個常數項。自變量包括實際彙率貶值幅度、私人國內信貸增長率，再加上這兩個自變量與引入的兩個虛擬變量兩兩組合形成的4個新變量；因變量是貨幣危機指數，具體模型如。
IC=β1+β2RED+β3PCG+β4RED×D1+β5PCG×
D1+β6RED×D2+β7PCG×D2（2.7）
在上述公式中，β為指標自回歸相關係數。在估計方程中，有兩個假設：
假設一：實際彙率貶值的國家遭受的危機較輕，但是這隻與較低的外彙儲備和脆弱的經濟基本麵因素有關，所以：β2＝0，β2+β4＝0，β2+β4+β6＜0（2.8）
假設二：貸款膨脹導致危機的嚴重性增加，但也隻是與較低的儲備和脆弱的基本麵因素有關，因此：β3＝0，β3+β5＝0，β3+β5+β7＜0（2.9）
模型局限：STV模型關注對貨幣危機發生起到決定作用的因素，同時注重不同國家間的比較，使用橫截麵數據進行參數估計。在實踐中，利用此模型需要恰當選取解釋變量，需要對所研究的樣本有深入的了解。在進行參數估計時需要一係列相似的樣本國作為參照，這在實際應用時對於一些國家較難實現，因此製約了模型的廣泛應用。另外，模型雖能指出在危機發生時哪些國家可能受到較大影響，但不能估計危機發生的時機。
2．經典模型構建思路總結
通過對以上三個經典預警模型原理的研究，總結出基於統計和計量經濟模型的預警係統的基本構建思路是：首先以金融危機發生的事實為依據構造識別危機的統計量；再根據統計量的特點構建危機預警模型，同時選取一定的經濟指標作為預警指標；最後考察相關經濟和金融變量在識別出來的“危機”前一定時期內（預警期）的變化情況，依據預警模型進行預警。具體過程。
二、新型預警模型分析
近年來，在金融危機預警領域還發展出了一些效果較好的新型預警模型，有自回歸條件風險模型、雙元遞歸樹模型、馬爾可夫區製轉移模型、人工神經網絡模型、IMF和投行係列模型、ARCH模型、Fisher判別模型和VaR模型等。典型的有馬爾可夫區製轉移模型、人工神經網絡模型和VaR模型，簡述如下。
1．馬爾可夫區製轉移模型
模型簡述：馬爾科夫區製轉移模型（Markov-Switching Approach）的早期研究可以追溯到Quandt（1958）、Goldfeld和Quandt（1973）、Hamilton（1989，1990）。最早是實證經濟學家的一個實證工具，由於其轉移模型簡化了標準模型的許多假設，該模型已經被諸多學者用於建立金融危機預警係統。
模型應用：Jeanne和Masson（1998）、Fratzscher（1999）使用馬爾科夫區製轉移模型描述多重均衡間的相互轉化，將其應用於貨幣危機預警，改進了多重均衡的貨幣危機預警模型。Cerra和Saxena（2002）將馬爾科夫區製轉移模型應用於印度尼西亞危機，考察危機的發生根源。Martinez-Peria（2002）將馬爾科夫區製轉移模型應用於歐洲貨幣危機，進行危機預警，效果較好。Abiad（2003）將馬爾科夫區製轉移模型應用於東亞金融危機，研究受危機影響較大的五個國家，預警效果相比於以往的預警模型有較大改進。在Jeanne和Masson（2000）、Fratzscher（1999）、Martinez-Peria（2002）的早期工作基礎上，Abiad（2003）摒棄了模型的參數在國家間一致的假設，將馬爾科夫區製轉移模型應用於金融危機預警，並對模型在樣本內外都作了預測。